Métier dans l'IT qui aide la science

On a un pro de la chimie theorique ici, ça touche pas mal a l’informatique. Il y a aussi la cheminformatique, une branche specifique… Voir a se renseigner autour.

J’ai choisis de m’orienter professionnellement vers l’informatique, mais je garde une grande passion pour la science et la recherche.

Ça tombe bien, l’informatique est une science, et il y a plein de chercheurs en informatique.

je suis avec beaucoup d’intérêt les missions spatiales

Ça tombe encore bien :

Astrée est un des succès de la recherche en informatique : c’est un analyseur statique, c’est-à-dire un programme qui lit le code source d’autres programmes pour vérifier des propriétés dessus (par exemple, l’absence totale d’erreurs à l’exécution) sans exécuter le programme cible. C’est une propriété prouvée : on est absolument sûr de l’absence de cette classe d’erreur, à condition bien sûr que l’analyseur soit correct – mais c’est déjà un très bon résultat, et il y a aussi toute une branche de l’informatique qui s’intéresse à l’écriture de programmes corrects par construction.

Pour développer, on a souvent tendance à considérer l’informatique comme un outil ou éventuellement comme un simple ensemble de techniques pour nous simplifier la vie. C’est en partie vrai, par exemple quand tu consulte tes mails, que tu utilises un logiciel de traitement de texte ou que tu écris un petit script python pour calculer un résultat dont tu as besoin. Mais c’est vrai aussi des mathématiques, de la physique ou de la chimie, et il ne viendrait à l’idée de personne de prétendre que « la chimie, ce n’est qu’une technique » sous prétexte que la dernière fois qu’il s’en est servi, c’était pour déboucher les tuyaux de sa salle de bain avec du Destop.

C’est pareil en informatique : c’est une science à part entière, aux domaines d’étude et d’application extrêmement vaste, de la cryptographie à la preuve de programmes, en passant par la conception des langages de programmation (ceux qui ont été réfléchis, pas php :p), les problèmes de graphes et de réseaux, l’algorithmique ou encore l’informatique quantique. On a l’habitude de dire que « l’informatique n’est pas plus la science des ordinateurs que l’astronomie n’est celle des télescopes ».

C’est aussi une science qui a de nombreux ponts avec d’autres domaines : pour reprendre la comparaison avec l’astronomie, personne n’utilise de télescope à part les astronomes, mais absolument tout le monde utilise (plus ou moins consciemment) des ordinateurs en 2017.

Salut,

beaucoup de scientifiques (en dehors des chercheurs en informatique) utilisent l’informatique, la chimie théorique est très loin d’être le seul domaine (par exemple, je fais de la mécanique des fluides appliqué à la géophysique, et je connais également des tas de gens qui font du calcul scientifique dans toutes les branches de la physique que tu peux imaginer).

Les gens vers qui on se tourne pour nous aider dans notre tache sont variés, par exemple dans mon cas j’intéragi avec des ingénieurs de recherche qui sont spécialisés dans les schéma numériques à utiliser pour résoudre certain problème, d’autre qui sont spécialisés dans la mise en place et la maintenance des clusters de calculs, je discute aussi avec des gens qui sont chercheurs en maths appliqués et qui développent des bibliothèques de calculs (pas des trucs généraux qui contiennent des implémentations de solutions connues à des problèmes variés mais relativement simples comme numpy, mais des bibliothèques dédiées à un type de problème précis dont la recherche d’optimisations des solutions est encore en cours) dont on se sert.

Il y a plusieurs boulots variés qui te permettent d’être en contact avec la recherche, le fait que tu le sois ou pas va plus dépendre de l’endroit où tu es embauché.

donc devenir Data scientist pour aider la finance et le marketing ça me ferais un peu mal au c**.

Il y a actuellement des « data scientist » partout (j’aime pas trop ce terme à vrai dire). J’ai deux amis qui travaillent dans la R&D pour de grands groupes industriels. Parmi les exemples de sujets auxquels ils touchent, il y a par exemple l’optimisation de process industriels de fabrication de verre, ou l’optimisation des visites de contrôle des générateurs de vapeurs des centrales nucléaires. J’ai aussi eu vent d’un équipementier automobile qui utilise les compétences de ces gens pour mieux identifier les projets innovants en interne et l’aider à miser sur les vraies pépites.

J’aimerais travailler en temps que chercheur, ou dans une entreprise qui innove dans des domaines intéressant (médecine, transport, environnement), mais dans un métier qui n’existe que dans ce type d’entreprise.

Il y a assez peu de métier qui n’existent que dans un type d’entreprise. Mais dans les domaines qui t’intéressent, je pense par exemple aux spécialistes en imagerie médicale (c’est un peu IT/traitement du signal). Ce sont des gens qui vont développer des algorithmes pour traiter les images qui sortent des IRM par exemple pour pouvoir en tirer le meilleur. Il y a évidemment aussi derrière des thématiques machine learning pour l’aide au diagnostic. Pour l’environnement, il y a des gens qui développent des outils de traitement de données notamment issue de l’imagerie satellites pour quantifier la désertification, l’étendue des forêts, monitorer les sécheresses etc.

Ok merci pour les infos !

Je vais quand même laisser sa chance à la data science. J’avais acheté des cours sur Udemy quand tout les cours était à 10€, notamment 3 cour écrit par deux data scientist (ou quel que soit leurs noms ^^), un sur la préparation de donnée et tout ce qui doit se faire en amont puis un second sur le machine learning et un troisième sur le deep learning.

Et quelque chose m’avait frappé : Le code source de leurs programmes n’a rien à voir avec un programme normal. Tout ce fais avec leurs bibliothèques, c’est moche et de ce que j’ai pu voir (j’espère me tromper), il n’y a pas d’algorithmique, c’est le festival de la black box.

D’ailleurs, en me rendant compte que la totalité des cours sérieux sur le Machine learning/Deep learning était en Python/R, je me demande bien pourquoi n’ont-ils pas besoin de coder en C++ ? Est-ce justement par ce qu’il n’y a pas de place pour l’algorithmique ? Est-ce que les programmes de ML/DL n’ont pas encore besoin de grosses performances ? Est-ce que ça va changer au fur et à mesure que la discipline progresse et se complexifie ? Pensez-vous qu’il y aura plus tard des ingénieurs C++ spécialisé du ML/DL, qui ne toucheront que à ça et donc pas à la préparation de donnée ? Par ce que j’ai rien trouvé sur le net, d’ailleurs il n’y a aucun qualificatif qui permet de différencier Data scientist et Dev C++ qui fait du machine learning (si ça existe…).

En ce qui concerne l’imagerie médicale, je me renseigne, ça à l’air intéressant.

D’ailleurs au fil de mes recherches, j’ai pu constater que le C ainsi que le C++ était les langages les plus utilisés dans les domaines de pointes et la recherche au vu des nécessités de performance.

Je travaille dans la recherche, et j’utilise OCaml. Deux étages au dessus, c’est principalement du Python. Il y a un peu de haskell dans le bureau d’à côté, et j’ai entendu aussi parler de Clojure. J’ai aussi travaillé avec des gens qui faisaient du Coq, et j’ai même eu des profs qui faisaient du Java. Jamais entendu parler de C et C++, c’est quoi ?

Plus sérieusement, les gens qui font du C en font souvent parce qu’ils travaillent dans des environnements limités (par exemple, l’embarqué), et les gens qui travaillent sur la très haute performance ou ont des besoins de temps réel utilisent parfois ce genre de langages bas niveau. En dehors de ça, on croise de tout selon les domaines. Les gens avec lesquels je travaille utilisent très majoritairement OCaml, par exemple.

J’ai déjà des bonnes bases en C et en Python, je me suis donc dit que j’allais me lancer sérieusement sur le C++, qu’en pensez-vous ?

Si ça t’amuse, mais si c’est juste « parce que c’est le langage le plus utilisé », c’est pas la peine. En fait, si tu voulais vraiment apprendre un langage pour que ça te serve si tu dois faire de la recherche plus tard (ce qui n’est probablement pas si utile, mais pourquoi pas), tu ferais probablement mieux de découvrir les langages qui présentent une façon de penser différente de celle dont tu as l’habitude. Parmi eux, les langages fonctionnels sont sans doute les plus en vue, OCaml étant un bon choix pour commencer.

Si vous avez encore des idées de métier, je vous en serais très reconnaissant.

Il y a plein d’entreprises qui innovent et qui ont besoin d’informaticiens. Tu peux aussi travailler dans la recherche, qui est un milieu très différent et assez particulier. Tu devrais profiter des stages que tu dois sans doute faire pour voir si ça te plaît.

Pour le OCaml, pourquoi pas (il y a plein de ressources sur le site de l’Inria, ou plus précisément sur ocaml.org). D’ailleurs, le site a beau être en anglais, le langage a été développé en français, ce qui te permettra, grâce a une communauté assez grande, d’avoir aisément de l’aide en français.

OCaml est la dernière version de Caml, qui n’est donc pas un module, mais bien le langage a part entière, donc le bouquin ne devrait pas poser de problèmes (cependant, je ne l’ai pas lu, et ne peut donc juger de sa valeur)

Enfin, les avantages du Caml sont qu’il contraint à une rigueur exemplaire, et, pour avoir un code lisible, a des efforts d’indentation et de syntaxe que ne nécessites pas forcément tous les langages. Mais ses inconvénients peuvent être visibles dès la manipulation des nombres, où les opérateurs d’addition sont différents pour les flottants ou les entiers!

Du coup pourquoi pas. Alors par contre je n’ai trouvé qu’un cour sérieux (de plus de 200 pages), mais il n’aborde pas objective caml, seulement caml. C’est "Le langage Caml deuxième édition" de Pierre Weis et Xavier Leroy. Il est par contre écris que ce qui est appris dans ce cour fonctionne pour tout les modules (dont Ocaml), du coup pas de problème, non ?

Le livre en soi est très bien, il cible juste une vieille version du langage (Caml Light), donc il y a des adaptations syntaxiques à faire. Selon les chapitres, c’est plus ou moins facile. Mon avis personnel est qu’il vaut peut-être mieux être un tout petit peu familier avec le langage avant de lire ce livre, pour réussir à se débrouiller tout seul sur les exemples (tu peux toujours venir poser les questions ici, mais ça peut être un peu frustrant de devoir attendre une réponse pour continuer un exercice). Real World OCaml est aussi un bon ouvrage : il y a aussi quelques détails qui datent (un, principalement), mais c’est moins gênant : il suffit de venir demander de l’aide quand ça ne marche pas (si ça ne marche pas) et ça se règle très vite et en une fois.

Enfin, les avantages du Caml sont qu’il contraint à une rigueur exemplaire,

"Contraint" n’est à mon avis pas le mot adapté : pour écrire un programme correct, il faut une rigueur exemplaire dans tous les langages, surtout dans les plus permissifs comme C++ ou Python. OCaml t’aide dans ce sens en se chargeant d’une bonne partie de la rigueur à ta place.

et, pour avoir un code lisible, a des efforts d’indentation et de syntaxe que ne nécessites pas forcément tous les langages

Hum ? Pas trop compris cette partie là. Le langage n’est pas sensible à l’indentation, donc les indenteurs automatiques fonctionnent très bien (difficile de faire moins d’efforts quand c’est intégré à ton emacs favori). La syntaxe est troublante au début, mais j’ai du mal à voir de quels efforts tu parles. On peut certes écrire du code illisible en OCaml, mais je ne suis pas sûr que ce soit plus facile de le faire sans s’en rendre compte que dans le langage moyen. Je pense que le fait d’avoir une syntaxe légèrement plus lourde que d’autres langages fonctionnels comme Haskell est un peu involontairement un avantage ici : les haskelleux ont facilement tendance à être un peu taquins et à écrire leurs programmes de manière tellement concise que la difficulté de lecture augmente exponentiellement au fur et à mesure que le nombre de caractères du code diminue

Mais ses inconvénients peuvent être visibles dès la manipulation des nombres, où les opérateurs d’addition sont différents pour les flottants ou les entiers!

Oui, c’est souvent un peu rebutant au début. En pratique on s’y fait très vite. Il y a un travail en cours pour régler ce problème (un peu à la manière des typeclasses en Haskell, mais paraît-il "en mieux"), mais ça n’arrivera probablement pas avant quelque temps. Parmi les défauts d’OCaml, celui-là est sans doute à la fois le plus immédiatement visible et le moins gênant en pratique